待验证50% 置信事实精确时间
上下文工程（Context Engineering）这一概念近年被 Andrej Karpathy 等人明确提出并广泛引用，其核心观点是决定现代大模型输出质量的关键已不是提示词措辞技巧，而是送入上下文窗口的信息质量与组织方式。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/9/30
首次发现
有效期至：2026/12/29
来源
涉及实体
相关事实
已验证大模型从平台语境主动推断设计规范的能力在技术上属于上下文推理（Contextual Reasoning），不依赖硬编码规则而是从海量数据中内化行业常识74% 相似已验证提示词工程的有效性根植于大语言模型的「上下文学习」（In-Context Learning）能力，无需修改模型权重即可实现任务切换70% 相似已验证上下文学习（In-Context Learning）指大语言模型无需更新权重，仅通过在输入提示中提供示例或指令即可执行新任务的能力，该能力在 GPT-3 论文中被首次系统性描述69% 相似待验证当上下文历史中有优秀写作范例时，模型更倾向于遵循优秀范式，这与大语言模型的上下文学习（in-context learning）能力相关67% 相似待验证好的上下文的核心特征之一是相关性，包含的每一条信息都应有助于模型完成任务，无关内容必须剔除67% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/961684API
curl https://kongchang.com/api/v1/knowledge/claims/961684MCP
get_claim(id=961684)